基于面向对象的柑橘类果林信息提取方法研究

摘要

我国是柑橘类水果产品主要的生产国和消费国之一，有着4000多年的栽培历史。快速有效地提取柑橘类果林对指导果林病害防御、水果生产和产业规划有着重要意义。传统的基于像元的纯光谱柑橘类果林提取方法分类精度较低，很难避免“椒盐现象”，并且受噪声的影响导致同物异谱、异物同谱现象较严重。丰富的纹理信息、形状信息和上下文信息是高分辨率遥感图像突出的特点。本文以赣州市寻乌县柑橘类果林种植区为研究对象，针对传统基于像元分类方法精度较低的缺点，在高分一号数据源的基础上，做了以下研究：
　　1.为了能够让高分一号遥感影像数据既保存影像数据多光谱特性，又提高空间分辨率，对数据进行了大气校正、正射校正、图像融合等图像预处理步骤。
　　2.在多尺度分割的前提下，对象的各种特征信息存在一定的变化规律。利用eCognition软件统计对象的面积均值、标准差、植被对象的NDVI均值在分割尺度上的变化情况。
　　3.选用最大面积比法来衡量某种特定地物分割对象的优劣程度。
　　4.深入研究了基于模糊数学方法的最近邻分类模型，在深入剖析模型数学表达的基础上，对整幅影像的光谱特征进行了全面的统计分析。
　　5.构建了一种结合模糊数学理论的面向对象决策树分类模型，在多尺度分割建立对象层次组织结构的基础上，综合最近邻分类器，建立了融合模糊数学方法和决策树模型的面向对象决策树分层分类模型，选择样本对象进行统计分析光谱特征和纹理特征，分层使用单波段阈值、NDVI、波段组合、对象几何形态学特征和纹理特征等多种分析经验值，对研究区域进行信息提取，实现了多尺度分割和分层决策树分类，使用混淆矩阵对分类结果进行了精度验证，得到总体Kappa系数0.8643，特别是果林提取精度的明显提高。

目录

声明

第一章 绪 论

1.1 研究背景及意义

1.2 国内外研究现状

1.3 研究内容及技术路线

1.4 论文组织结构

第二章 研究区概况及数据预处理

2.1研究区概况

2.2 数据源

2.3 数据预处理

第三章 多尺度分割

3.1 影像分割的数学原理

3.2分割方法概述

3.3区域合并算法

3.4多尺度分割

3.5最优分割尺度的选取

3.6本章小结

第四章 面向对象的模糊分类

4.1模糊分类

4.2多特征空间分类

4.3模糊规则集分类

4.4本章小结

第五章 面向对象的决策树分类

5.1 分类地物的确定

5.2 光谱数据的统计与分析

5.3 纹理数据的统计与分析

5.4 结合模糊数学理论的决策树分类

5.5精度评价

5.6本章小结

第六章 结论与展望

6.1 结论

6.2 讨论与展望

参考文献

致谢

攻读学位期间的研究成果